毕业设计之（python完整源码+说明文档+演示视频）

本文链接：https://blog.youkuaiyun.com/haoyanlikeJava/article/details/143489479

1 项目介绍

本文通过对于红枣类别及外观形态的内容介绍，结合红枣筛选的标准，通过图像识别捕捉红枣的图像信息，同时结合卷积神经网络的应用来提取红枣图像的特征，通过红枣边缘及文理信息的提取来实现有效的红枣分类识别，结合红枣图像数据集的内容生成对应的训练模型并完成红枣识别的分类。

2、项目技术

项目后端框架：Java+ssm

项目前端框架：vue2，ssm

3、开发环境

后端：开发语言：python

框架：python，django

python版本：python3.6.8版本向上兼容

数据库：mysql5.7+

数据库工具：Navicat11+

开发软件：pycharm

前端：nodejs，vue，html

数据库：mysql

4 系统特点

有效利用视觉机器采集系统可以通过代替人员的图像采集，结合图像算法对红枣进行分类识别和检测，通过自动化的筛选结合机械化的机器运作来实现红枣品质登记的分类，降低了红枣筛选的开发成本，也提升了类别分拣的精准度。

第五章实验结果与分析

5.1 实验环境和数据集

此次对于红枣识别算法的实验环境搭建主要通过tensorflow来实现，作为深度学习的框架之一可以实现训练测试环境的搭建，可以结合电脑的配置情况来实现GPU版本的安装，从而实现卷积神经网络的硬件加速，具体的实验环境如下图所示：

图5.1 实验环境和数据集

5.2 实验结果分析

结合卷积神经网络的模型结构以及有效利用深度学习的基本原理，结合红枣图像内容进行数据集的预处理，同时还包括了图片内容的采集与扩增处理，通过常用函数的而应用实现了数据信息的特征提取，通过训练模型的创建以及实现环境的搭建，一次对于模型的迭代次数以及批次大小等内容进行调试，最终集合损失函数变化曲线确保了单个红枣识别实验的准确性，结合实验结果，此次红枣识别结合红枣的基础特征提取，对红枣的大小以及霉变情况都进行了很好的识别。